你肯定有这种感觉：书看了不少，播客听了不少，B 站收藏了一堆长视频。然后呢？什么都没变。知识停在"看过、听过、收藏过"，真到做决策的时候，脑子里什么都调不出来。
常规解法是做摘要、记笔记。但摘要是压缩——压缩完你还是不知道"什么时候该用什么"。最近认真研究了一个开源项目 cangjie-skill（仓颉 Skill），它走了另一条路：把一本书、一期播客、一个两小时长视频里沉淀的方法论，拆出来变成 AI Agent 能调用的 Skill 工具包。
一句话：读完之后，带走一套能调用的方法论，而不是一篇会落灰的总结。
企业上 Agent 的剧本高度一致：demo 阶段惊艳全场，生产阶段全线拉胯——上下文乱、权限乱、多 Agent 打架、出事了不知道查哪。阿里云 2026 年 9 月开源了《AI Agent 手册》白皮书，30 章 54 万字，把企业级 Agent 的架构、构建、运行、治理、调优五个阶段讲了一遍。ai-agent-infra 把它整个蒸馏成 22 个可被 Agent 直接调用的原子能力，每条带原书章节依据。
先看可信度：9 个并行提取器扫全书，971 条候选，三重验证后留下 22 条，触发盲测 10/10、代表任务核验 2/2——971 到 22，压缩比 44:1，这个漏斗本身就说明了「企业经验」和「可执行规则」之间的距离。
每个兴冲冲上自动化测试的团队，两年后大概率面对同一片废墟：几千个脚本，红的没人看，绿的没人信，维护的人跑光了。《自动化测试最佳实践》（Dorothy Graham & Mark Fewster 编）拿 29 个真实案例复盘这件事，结论扎心：公司放弃测试工具的第一原因不是工具差，是脚本维护费用太高。
automation-testing-best-practices-skill 把这 29 个案例蒸馏成 6 个可发现的技能，核心直指维护费。
testware-architecture（测试件架构）是答案的核心：把工具调用隔离在底层（工具换了只改一层），业务测试写在领域测试层（DSTL）——用业务语言写测试，工程师读得懂，界面改版不至于全军覆没。两层之间的「厚度权衡」是艺术：抽象太薄没有隔离效果，太厚则自己成了维护负担。
《测试之美》是 O'Reilly 出的 23 章专家文集，每章一位资深测试人写自己的看家本领。这种书最难蒸馏——没有体系，只有经验。但 beautiful-testing-skill 把它拆成了 7 个可被 Agent 发现的技能，而且第一刀就砍在认知上：测试者是发现并报告问题的顾问，不是质量把关人。
这句话为什么重要？因为「把关人」的潜台词是质量归测试负责，而「顾问」的潜台词是：我提供信息，决策是你的。一字之差，甩锅链就断了。整个技能包的六条核心理念，全是这种「先纠正自我认知，再谈方法」的路数。
大多数项目管理书教你怎么排期，钱学森的《工程控制论》教你怎么理解「系统为什么会失控」——187 万字，21 章，讲的是导弹和工程，但每个字都适用于你的项目。有人把它整个蒸馏成了一个 Agent 技能：cybernetic-project-management，13 个原子能力，每条都标了原书依据的章节号。
先看它凭什么可信：拆书流水线用 5 个并行提取器扫完全书，三重验证，然后做了触发盲测 10/10——十个不含关键词的真实场景描述，技能全部正确触发。这个评测动作比技能本身更值得学。
13 条能力全列出来是流水账，挑三条最能打的。
程序员圈有本名著叫《清单革命》，测试圈对应的是 Elfriede Dustin 的《有效软件测试——提高测试的 50 条建议》。50 条建议的问题和所有清单一样：太长，没人真的照着做。effective-software-testing-skill 的解法很「Agent 原生」：把 50 条压成 1 个入口 + 10 张原子能力卡，按意图路由加载——你要审需求，它只加载可测试性审查那张卡，49 条别的建议不进上下文。
这就是清单文化在 Agent 时代的形态变化：清单从「贴在墙上」变成「按需注入」。
很多人对探索式测试的印象是「资深测试员随手点点，靠直觉找 bug」。Elisabeth Hendrickson 的《Explore It!》专门反驳这个误解：探索是有结构的自由——先定义要探索什么（章程），再限定多长时间（会话），最后系统地穷举变量（启发法）。exploratory-testing-skill 把这套结构蒸馏成 8 个 Agent 技能入口。
最能说明问题的是它的核心机制：章程 + 限时会话（SBTM）。章程三要素——目标（探索什么）、资源（用什么）、信息（回什么）——写得像作战命令；会话有时间盒，到点复盘。自由探索一旦有了章程和时间盒，就从「运气驱动」变成「覆盖率可管理」。
把渗透测试的方法论喂给 AI Agent，这件事听起来就危险。但真有人做了，而且做得比大多数「AI 安全工具」克制：pentest-skill，把《渗透测试实践指南》整本书蒸馏成一个可被 Claude Code、ZCode 调用的技能，SKILL.md 的第一屏不是工具清单，是「仅用于获得书面授权的渗透测试、CTF 靶场与安全教育」。
这个仓库拿了 4 个 star，是作者仓库里关注度最高的。它值得拆，不在于攻击知识本身，在于它示范了「攻击性知识该怎么装进 Agent」——容器比内容更重要。
中文原创的测试方法论不多，邰晓梅的《海盗派测试分析 MFQ&PPDCS》是能打的一本。它的第一性原理一句话：测试 = 对被测系统问问题。测试域无穷、资源有限，所以测试的本质不是「覆盖所有」，而是「基于风险，选出最值钱的问题」。pirate-testing-mfqppdcs-skill 把这套方法论蒸馏成 7 个可发现的技能。
这个定义的威力在于它顺手回答了几个老大难：为什么用例写不全（问题域无穷）？为什么 bugs 总在角落里（你问的问题不对）？为什么需求评审测试要参加（问问题的能力就是澄清需求的能力）？
米家设备控制，官方路子是 APP 或云 API——都要绕一圈云端，响应慢半拍，还依赖账号体系。 " ClawHub 上的 xiaomi-home skill 换了条路：让 AI Agent 直接在局域网里通过 miiocli 硬控设备。你说"打开热水器"，它翻译成一条 MIOT 协议指令直接打到设备的 IP 上。3.4k 下载量，纯本地通信，响应是毫秒级的。
但这个 skill 的安全扫描页上挂着一个显眼的 Suspicious 标记。它怎么工作的、token 从哪来、为什么被标记，这篇一起讲清楚。
